2020: Ein digitaler Assistent weckt uns, und stellt uns unter Beachtung von Terminkalender und Wetterbericht unser Tagesprogramm vor ... nachdem der Kaffee aufgebrüht ist.
Dieses Szenario wird bald nicht mehr nur Science Fiction sein. Maschinelles Lernen und künstliche Intelligenz werden mit der Verbreitung von IoT-Geräten allgegenwärtig werden. Wenn sie auch magisch erscheinen, im Kern sind all diese Methoden angewandte Statistik und Algorithmen. Wie aber können wir dem Endnutzer vermitteln, dass auch eine Maschine lernen muss? Dass sie uns keine absolute Sicherheit, sondern nur eine Wahrscheinlichkeit geben kann?
Dieser Vortrag streift kurz UX/UI-Strategien und beleuchtet, warum wir dem Benutzer z.B. im Smart-Home-Bereich situationsgerechte Informationen präsentieren sollten. Am Beispiel eines Klassifikationsproblems zeige ich phänomenologisch eine Methodik maschinellen Lernens, und warum iterative Trainingsphasen oftmals unerlässlich sind. Ohne eine konkrete Lösung aufzeigen zu können, diskutiere ich die Problematik für User Experience und sprachgestützte Interaktionen.
Skills
Grundsätzliches Verständnis von IoT und Interesse an Fragestellungen der User Experience.
Lernziele
Zuhörer erhalten einen grundsätzlichen Einblick in maschinelles Lernen und Klassifikationsprobleme und verstehen, warum wir Benutzer nicht vollständig vor der zugrunde liegenden Theorie schützen können.
// Referent
//
Boris Adryan
@BorisAdryan
Dr. Boris Adryan arbeitet in den Bereichen Big Data Analytics und Machine Learning. Von 2008 bis 2015 leitete er eine wissenschaftliche Arbeitsgruppe für computergestützte Genomanalyse an der University of Cambridge. Seit 2013 spricht er regelmäßig bei IoT-Konferenzen über die Herausforderungen von Analytics für das Consumer-IoT. Er ist kommerziell mit seinem Unternehmen thingslearn Ltd. aktiv.